MétaCan
Menu
Retour à la cohorte
Enregistrement W4313563526 · doi:10.1109/vppc55846.2022.10003321

Steering Vector Control for Lateral Force Distribution of Electric Vehicles

2022· article· en· W4313563526 sur OpenAlexaff
An-Toan Nguyen, Binh-Minh Nguyen, Thanh Vo–Duy, Minh C. Ta

Notice bibliographique

Revue2022 IEEE Vehicle Power and Propulsion Conference (VPPC) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle Dynamics and Control Systems
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesHitachi Global Foundation
Mots-clésControl (management)Computer scienceControl theory (sociology)Distribution (mathematics)Vehicle dynamicsVector controlAutomotive engineeringEngineeringElectrical engineeringMathematicsArtificial intelligenceVoltage

Résumé

récupéré en direct d'OpenAlex

This paper proposes a control configuration for electric vehicles (EVs) with four-wheel independent steering (4WIS) motors which is named “steering vector control” (SVC) strategy. The SVC architecture is hierarchically presented by three layers. The upper layer determines the total lateral force and the total yaw moment based on the control of sideslip angle and yaw rate. The middle layer determines optimum tire lateral force distribution depending on the total tire workload. In the lower layer, lateral forces are controlled by a two-degrees-of-freedom (2DOF) controller (feedforward and feedback). The modeling and control organization of the studied vehicle are presented by using energetic macroscopic representation (EMR). Simulation tests show that SVC can improve the lateral stability and reduce the total workload by 6% in comparison with the traditional feedforward force distribution approaches.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil0,899

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,200
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE Vehicle Power and Propulsion Conference (VPPC)Même sujetVehicle Dynamics and Control SystemsTravaux en français237 207